CBSD68数据集 用于图像去噪基准的彩色BSD68数据集它是伯克利细分数据集和基准的一部分 该基准数据集被广泛用于测量图像去噪算法的性能，但是我很难找到它。 它包括原始的.jpg文件，已转换为无损.png，并带有不同级别的加性高斯白噪声。 作者：D. Martin和C. Fowlkes和D. Tal和J. Malik 标题：人类分割的自然图像数据库及其在评估分割算法和测量生态统计中的应用 书名：Proc。 第八届国际会议计算机视觉年份：2001月份：七月数量：2页：416--423

图像去噪的深度学习概述由田春伟，费伦克，张文贤，徐勇，左望孟和林嘉雯提供，其为 。 它已经由神经网络（IF：5.535）发布。 此外，本文已被推送到神经网络的主页上。 本文是针对图像去噪的深度学习的第一个完整摘要，对读者而言非常有意义。 它是通过微信公众账号在报道 ， 和 。 抽象 深度学习技术在图像去噪中获得了很多关注。 但是，不同类型的深度学习方法在处理噪声方面有很大的差异。 具体来说，基于深度学习的判别式学习可以很好地解决高斯噪声。 基于深度学习的优化模型方法对真实噪声的估计有很好的效果。 到目前为止，很少有相关研究来总结用于图像去噪的不同深度学习技术。 在本文中，我们对图像去噪中不同深度技术进行了比较研究。 我们首先对（1）用于加性白噪声图像的深卷积神经网络（CNN），（2）用于真实噪声图像的深CNN，（3）用于盲目去噪的深CNN和（4）用于混合噪声图像的深CNN进行分类，是嘈杂，

细胞神经网络matlab去噪的源程序，自己写的，能运行对的

(冈萨雷斯)数字图像处理第五章（第三版）部分内容、图像复原、滤波器噪声去除，PPT说明（自己学校上图像处理课老师给的课件，用于自己上台内容的讲解，包括注解，翻译等）

介绍一种彩色图像去噪的快速PGF滤波算法，主要对PGF滤波算法进行了简单的介绍。

为了在获得更好去噪性能的同时更多地保留图像纹理信息，介绍了分数阶Riemann-Liouville(R-L)积分算子在信号滤波中的作用，将分数阶R-L积分理论引入到数字图像去噪中，并利用阶梯逼近方法来实现数值计算。模型通过设定微小的积分阶次来构建相应的图像去噪掩模，由此实现噪声图像的局部微调，并利用迭代的思想来控制模型的去噪强度，从而获得较好的图像去噪效果。实验结果表明，基于分数阶R-L积分的图像去噪算法较传统的去噪方法不仅可以提高图像的信噪比(SNR)，所提出的算法去噪后图像的信噪比为18．3497 d

摘要: 提出一种对含有高斯噪声的数字图像的去噪方法, 这种方法能够增强高斯噪声滤波器的性能, 减少去噪对图像造成的模糊和失真。设计了一个模糊推理系统( FIS) , 并利用ANFIS 训练这个FIS。通过训练可以调整、优化FIS 的内部参数值。训练图像数据由计算机程序自动生成。优化后的FIS 即可处理输入的图像数据, 产生增强的图像。从结果图像的视觉效果和量化标准两方面 的实验和分析, 可以看出这种方法可基本消除高斯噪声滤波器产生的模糊和失真, 提高滤波器性能。实验表明模糊神经系统可以应用于图像去噪问题。在合理地选择隶属度函数、规则和训练数据的前提下, 会产生明显的图像增强效果。

提出基于自蛇模型和小波分析的集成图像去噪算法，以及峰值信噪比、保护边缘指数的去噪性能综合评价指标。首先利用自蛇模型对含噪图像滤波，然后将处理后的图像进行小波分解，保持低频分量系数，对其高频分量再次利用自蛇模型去噪，最后对处理后的小波系数进行重构，得到去噪后的图像。实验结果表明，本文算法在去噪能力和和保护边缘能力两方面均好于自蛇模型算法和2 次迭代自蛇模型算法。

本人亲自编写的基于均值法，中值法，和自创改进均值法的图像去噪源程序，仍需要改进的地方是：没有创建线程处理矩阵输出，程序处理大图片时速度很慢。如果不输出矩阵速度很快。如有需要自行修改。谢谢！

基于小波域灰色关联度分析强噪声图像去噪算法。 用matlab实现。